图片开端：由无界 AI器具生成
欧博正网Overview通过这篇著作你可以了解：
什么是 on-chain AI？
为什么还莫得链上 AI?
AI 上链的能源；
手艺旅途；
我涌现的 on-chain AI 价值；
on-chain AI 的应用场景和神志分析。
皇冠av一、AI + blockchain =？开导者对基础格式诞生的猖獗执着和多样 rollup 治理决议的更新迭代照实让蓝本过期的 web3 计较智力完了了打破，这也为 AI 上链提供了可能性，但你可能想说与其大费周章地完了链上 AI，平直在链下运行模子似乎也能称心大部分需求，而事实受骗今简直通盘的 AI 模子王人所以黑盒、中心化的模式在运行，况且相同在各个领域创造了无法替代的价值。
皇冠信用盘出租1）先回到最基础的问题，什么是 AI 上链？
主流的涌现是通过区块链让 AI 模子 transparent + verifiable
再具体少许，AI 上链意味着东说念主工智能模子的 complete verification，也即是说一个模子需要向全网（用户或考证者）公开以下三点：
模子架构；
模子参数和权重：公开参数和权重偶然候会对产物安全性产生负面影响，因此，针对特定场景，比如风控模子，可以对 weight 作念荫藏处理以确保安全性；
模子输入：在 web3 的场景里基本上是链上公开数据。
近几日，网友反映，东北多地通知突然停电，已经影响居民生活。有些地方一天停几次电，有些地方停电超过12小时。记者注意，停电区域集中地市级城市农村地区。当称心以上条目时，通盘模子践诺的过程是具备详情味的且不再是黑盒操作，任何东说念主王人可以在链上对模子的输入和闭幕进行考证，从而留心模子领有者或者关联权限东说念主对模子进行主宰。
2）AI + blockchain 的能源是什么？
AI 与 blockchain 齐集的好奇不在于替代中心化的 Web2 东说念主工智能的运作模式，而是：
在不松手去中心化和 trustless 的基础上，为 web3 天下创造下一阶段的价值。面前的区块链就像是 web2 的早期阶段，还莫得相接更渊博应用或者创造更大价值的智力。而只好在加入 AI 之后，dapp 的想象力才能真方正先到下一阶段，这些链上应用才有可能更接近 web2 应用的水平，这种接近并不是从功能上作念的更相似，而是通过施展区块链的价值，从用户体验和可能性上作念出晋升。
为 web2 黑盒的 AI 运行模式提供一种透明的、trustless 的治理决议。
想象一下 web3 的应用场景：
2020欧洲杯分组原则将推选算法加入到 NFT 来去平台，基于用户喜好推选相应 NFT，提高改换；
在游戏中加入 AI 敌手方，更透明、公说念的游戏体验；
……
可是，这些应用王人是通过 AI 对已有的功能在闭幕或者用户体验上的进一步改善。
- 有价值吗？有。
- 价值大吗？取决于产物和场景。
AI 能创在的价值从来王人不仅是 99 到 100 的优化，确凿让我兴盛的，是从 0 到 1 的全新应用，一些只好通过 transparent + verifiable 的链上模子才能完了的 use case。不外这些“令东说念主兴盛的”use case 面前主要靠想象力，莫得锻练的应用，先来开几个脑洞：
通过基于 neural network 的决策模子作念 crypto trading：一种产物形态可能更像是 copy trading 的升级版块，以致是一种全新的来去玩法。用户不再需要信任或调研其他 experienced trader，而是对澈底公开透明的模子以过火 performance 下注。实质上 AI 把柄对 crypto 畴前价钱的揣度更快更轻佻地进行来去。关联词莫得链上 AI 自带的“trustless autonomy”，这么的下注对象或者方法根蒂是不存在的。用户/投资者可以透明地看到模子决策的原因、过程以致畴前飞腾/下落的精确概率；
AI 模子算作裁判：一种产物可能是全新形态的预言机，通过 AI 模子对数据开端的准确性进行揣度。用户不再需要信任 validator，也不必悲伤节点作恶，预言机提供方以致不需要联想复杂的节点汇注和赏罚机制来完了去中心化。相应地，链上 transparent + verifiable 的 AI 还是富足称心考证链下 data source 置信度的任务。这种全新的产物形态在安全性、闭幕和成本上有契机变成碾压，去中心化的对象也由东说念主当先到“trustless autonomy”的 AI 器具，无疑是更安全的。
基于大模子的组织料理/运作体系：DAO 的治理实质上应该是高效、去中心化、公说念的，而当今的近况却以火去蛾中，松散且肥美，短缺透明和公说念性，链上 AI 的加入能提供畸形契合的治理决议，将料理模式、闭幕晋升到最高，将料理中系统性和东说念主性的风险无尽拉低。咱们以致可以去想象一种全新的 web3 神志的发展和运作模式，通盘框架及畴前发展观念和提案简直不依赖开导团队或者 DAO 投票的方式来进行决策，相应的，基于大模子更庞大的数据得到量和远超东说念主的计较智力去作念决策。但这一切的前提亦然模子上链，莫得 AI 的“trustless autonomy”就不存在去中心化天下从东说念主到器具的跃迁。
……
小结一下
基于链上 AI 的新的产物形态基本可以记忆为将去中心化和 trustless 的主体从东说念主变为 AI 器具，这也适应传统天下坐褥力的进化过程，最开动是在东说念主这个主体险阻功夫，不断升级晋升东说念主效，到后头通过智能器具替代东说念主，在安全性和闭幕上颠覆原有的产物联想。
其中最要道的、也所以上一切的前提，是通过区块链完了 AI 的 transparent + verifiable。
3）Web3 的下一个阶段
区块链算作一个征象级的手艺创新，不可能只是停留在原始阶段。流量和经济模子很紧要，但用户不会一直停留在追捧流量或破耗大王人资源作念 X to earn，web3 也不会因此 onboard 下一波新用户。但有一件事的详情味是很强的：web3 天下坐褥力和价值的创新一定来自 AI 的加入。
我以为大略分红底下三个阶段
肇始：零学问讲解算法和硬件的更新迭代为链上 AI 的露馅第一次提供了可能性；（咱们在这）
发展：非论是 AI 对已有应用的晋升照旧基于 AI + blockchain 的全新产物，王人在将通盘行业上前股东；
终局：AI + blockchain 的最终走向是什么？
上头的商议王人是通过 AI 与区块链的齐集 bottom up 地发掘应用场景，换个念念路 top down 地看待 AI + blockchain，AI 会不会重溯区块链自身？AI + blockchain = 自适应的区块链
一些公链会率先和会链上 AI，从公链的层面改换为一种自适应的，自身发展观念不再依赖神志基金会决策而是基于庞大数据进行决策、自动化水平远超传统区块链的形态，从而从现时多链茁壮的时势中脱颖而出。
在 verifiable + transparent 的 AI 加抓下，blockchain 的自颐养体当今那处，可以参考 modulus lab 提到的几个例子：
链上的来去阛阓可以去中心化地自动颐养，比如基于链上公开数据及时、不需要 trust assumption 地调理踏实币的 interest rate；
多模态学习可以让链上条约的交互通过生物特征识别完成，提供安全的 KYC，并完了身份料理的完竣去信任；
允许链上应用最大化地拿获链上数据带来的价值，支抓定制化内容推选等做事。
从另一个角度看，zkrollup 不断迭代优化，可是恒久短缺一个确凿只可在 zk 生态上跑的应用，ZKML 恰恰适应这少许，况且想象空间也富足大。ZK-rollup 畴前很可能算作 AI 插手 web3 的进口从而创造更大价值，两者彼此建树。
二、完了方式和可行性1）Web3 能为 AI 提供什么？
基础格式和 ZK 无疑是 web3 最猖獗内卷的赛说念，多样 ZK 神志在电路优化和算法升级险阻足了功夫，非论是对多层汇注的探索，或者是对模块化区块链以及 data availability layer 的开导，照旧进一步将 rollup 作念成定制化的做事，以致硬件加快……这些尝试王人在将区块链的可扩展性、成本、算力推向下一个阶段。
AI + blockchain 听上去可以，但具体怎么个加法？
一种作念法是通过 ZK proof system。比如针对 machine learning 作念一个定制化的电路，链下电路生成 witness 的过程即是模子践诺的过程，对模子揣度的过程生成 proof（其中包括模子参数和 input），任何东说念主王人可以在链上考证 proof。
AI 模子照旧在高效的集群上践诺，以致搞点硬件加快进一步晋升计较速率，在最大化愚弄算力的同期确保莫得中心化的东说念主或者机构可以从中删改或干预模子，也即是确保：
模子揣度闭幕的详情味 = 可考证的（input + 模子架构 + 参数）
把柄以上作念法，可以进一步推断哪些 infra 对 AI 上链至关紧要：
ZKP system、rollup：Rollups 膨大了咱们对区块链计较智力的想象空间，把一堆 transactions 打包，以致递归地生成 proof of proof 进一步裁汰成本。对于当今庞大的模子来说，提供可能性的第一步即是 proof system 和 rollup；
硬件加快：ZK rollup 提供了 verifiable 的基础，但 proof 的生成速率平直关连到模子的可用性和用户体验，恭候几个小时去生成一个模子的 proof 赫然是不 work 的，因此，通过 FPGA 进行硬件加快赫然是一个很好的 boost。
密码学：密码学是区块链的基础，而链上模子以及明锐数据相同需要保证阴私性。
澳门菠菜注册平台补充：
大模子的基础是 GPU，莫得高并行的支抓，大模子的闭幕将会畸形低，也就无法运行。因此，对于一个链上的 zk 生态：
GPU 友好 = AI 友好
拿 Starknet 例如，Cario 只可在 CPU 上跑，因此只可部署一些小的决策树模子，历久来看并不利好大模子的部署。
2）挑战：更刚毅的 proof system
ZK Proof 的生成速率和内存使用情况至关紧要，一个关连到用户体验和可行性，一个关连到成本和天花板。
当今的 zkp system 够用吗？
够用，但不够好…
Modulus lab 在著作“The Cost of Intelligence: Proving Machine Learning Inference with Zero-Knowledge”畸形安靖的分析了模子和算力的具体情况。有空可以读一读这篇 ZKML 届的”零号文件 - paper0“：https://drive.google.com/file/d/1 tylpowpaqcOhKQtYolPlqvx6 R2 Gv4 IzE/view
以下是 paper0 中提到的不同讲解系统
基于以上 zk 算法，modulus lab 辞别从时刻消费和内存占用两个维度启航进行测试，况且在这两个维度均辞别规则了参数和层数两个中枢变量。以下是 benchmark suites，这么的联想也可以大略掩饰从 LeNet5 的 60 k 参数目，0.5 MFLOPs，到 ResNet-34 的 22 M 参数目，3.77 GFLOPs。
时刻消费的测试闭幕：
内存占用的测试闭幕：
基于以上数据，全体看面前的 zk 算法以及具备支抓对大模子生成 proof 的可能性，但相应的成本依旧很高，需要以致 10 倍以上的优化。以 Gloth16 为例，天然受益于高并发带来的 computation time 的优化，可是算作 tradeoff 内存占用显赫增多。Plonky2 和 zkCNN 在时刻和空间上的推崇相同考证了这少许。
那么当今问题其实就从 zkp system 是否可以支抓链上 AI 改换为了支抓 AI+Blockchain 付出代价值不值？况且跟着模子参数的指数级上升，对 proof system 的压力也会赶快增多。照实，当今有 trustless 的神经汇注吗，莫得！即是因为成本算不外来。
因此，打造一个为 AI 定制化的 proof system 至关紧要。同期，完了对 AI 这种单次调用计较十分复杂的逻辑，gas 的消费模子也需再行联想，一个高性能的 zkvm 至关紧要，但当今咱们还是能看到好多高性能的尝试，比如 OlaVM, polygon Miden 等，这些基础格式的不断优化极大晋升了 onchain-AI 的可行性。
三、应用是否值得期待？尽管链上 AI 还在很早期阶段，用上头的分层来看可能只处于肇始到发展之间，但 AI 这个观念从不短缺优秀的团队和创新的想法。
就像上头说的，从 AI + Blockchain 发展阶段看当今阛阓处于肇始到发展的中间阶段，产物尝试观念还所以基于现存功能对用户体验优化为主。但最能体现价值的照旧通过 AI 在链上将 trustless 的主体由东说念主变为器具，在安全性和闭幕上颠覆原有的产物形态。
底下从一些现存的应用尝试启航，分析一下 AI + Blockchain 历久的产物发展观念
1）The Rockefeller Bot：天下上第一个 on-chain AI
Rockefeller 是 modulus lab 团队推出的第一个链上 AI 的产物，有很强的“挂牵价值”。这个模子实质上是一个 trading bot，具体来说，rockefeller 的教师数据是大王人链上公开的 WEth-USDC 的 price/exchange rate，其自身是一个三层前馈经汇注模子，揣度筹商是畴前 WEth 价钱涨跌。
以下是当 trading bot 决策要进行来去时的过程：
Rockefeller 在 ZK-rollup 上对揣度闭幕生成 ZKP；
ZKP 在 L1 上被考证（资金由 L1 的合约看护），并践诺操作；
可以看出 trading bot 的揣度、资金操作完竣是去中心化且 trustless 的，就像上头提到的，从更高维度看 rockefeller 更像是一种全新的 Defi 玩法。比拟于信任其他 trader，这种模式下其实用户赌的是 transparent + verifiable + autonomous 的模子。用户可以不需要信任中心化的机构确保模子决策过程的正当性。同期，AI 也能最猛进度上的排斥东说念主性的影响，更轻佻地进行来去。
你可能还是想给 Rockefeller 注点资金玩一玩了，但这真实能赢利吗？
并不可，按照 modulus 团队的说法，与其说 rockefeller 是一个应用，他更像是 on-chain AI 的 POC，由于成本、闭幕、讲解系统等多方面的规则，rockefeller 的主要目的是算作一个 demo 让 web3 天下看到 on-chain AI 的可行性。（Rockefeller 还是完成任务下线 T T）
2）Leela：天下上第一个 on-chain AI game
最近发布的 Leela v.s. the world 相同是出自 modulus lab。游戏机制很浮浅，东说念主类玩家构成阵营对战 AI。游戏中玩家可以质押下注，最终谁会赢得对局，每次 match 末端后 loser’s pool 会把柄质押代币的数目相应地分拨给 winner。
说到 on-chain AI，此次 modulus lab 部署了一个更大的 deep neural network (Parameter 数目 > 3,700,000)。天然在模子领域和产物内容上 Leela 王人超越了 rockefeller，但归根结底这照旧一次大型的 on-chain AI experiment。Leela 的背后的机制和运行模式才是需要暖和的，这能帮咱们更好地涌现链上 AI 的运行模式和改善空间，以下是官方给出的逻辑图：
Leela 的每一次 move，也即是每次揣度，王人会生成 ZKP，况且只好在经过合约考证之后才会在游戏内收效。也即是说，受益于 trustless autonomous AI，用户下注的资金和公说念性完竣受到密码学的保护还不需要信任游戏开导者。
Leela 禁受的是 Halo2 算法，主要原因是它的器具和联想的天真性可以匡助联想更高效的讲解体系，具体 performance 情况可以参考上头的测试数据。但同期在 Leela 的运行中 modulus 团队也发现了 Halo2 的缺欠，比如生成讲解的速率较慢，对 one-shot proving 不友好等。因此，也愈加印证了之前基于测试数据得出的论断：淌若需要将更大的模子带入 web3，咱们需要开导更刚毅的 proof system。
不外 Leela 的价值在于给咱们带来了 AI + Web3 game 更大的想象空间，王者荣耀玩家此刻应该无比但愿王者匹配算法 fully on-chain:) Gamefi 需要更优质的内容撑抓和更公说念的游戏体系，而 on-chain AI 恰恰提供了这少许。打个譬如，在游戏中加入 AI-driven 的游戏场景或者 NPC，非论是玩家的游戏体验照旧经济体系的玩法王人提供了巨大的想象空间。
3）Worldcoin：AI + KYC
Worldcoin 是一个链上身份体系（Privacy-Preserving Proof-of-Personhood Protocol)，通过生物识别建立身份体系并完了支付等繁衍功能，治理的问题是抵拒女巫抨击，当今的注册用户高出了 1.4 m。
用户通过一个叫 Orb 的硬件扫描虹膜，将个东说念主信息添加到数据库中，Worldcoin 通过 Orb 硬件中的计较环境运行 CNN 模子压缩并证据用户虹膜数据的有用性。听上去很强，但淌若需要作念到身份考证的确凿去中心化，worldcoin 团队正在探索通过 ZKP 考证模子的输出。
挑战
国外博彩平台值得一提的是，worldcoin 的 CNN 模子的 size：参数 = 1.8 million，层数 = 50。基于上头展示的测试数据，现存的 proof system 在时刻上完竣可以胜任，但内存消费对于消费级的硬件来说是不可能完成的。
4）其他神志
Pragma：Pargma 是从 starkware 生态上发展起来的 ZK oracle。同期团队也在探索如何通过链上 AI 治理去中心化链下数据考证的问题。用户不再需要信任 validator，而是通过富足精确且可考证的链上 AI 完成考证链下 data source 的责任，比如对于实践金钱或者身份的考证可以平直让 AI 去读取相印的物理信息算作输入并作念出决策。
Lyra finance：Lyra finance 是一个 option AMM，提供繁衍品来去阛阓。为了提高成本愚弄率，Lyra 团队和 modulus lab 正在互助开导基于可考证 AI 模子的 AMM。基于可考证的、公说念的 AI 模子，Lyra finance 有契机成为 AI + Blockchain 的一次大领域落地实验，为 web3 用户初次带来公说念的 matchmaking，通过 AI 对链上阛阓进行优化，提供更高的答复。
Giza：ZKML 平台，将模子平直部署在链上而不是进行链下考证，Nice try，but…由于算力以及 Cairo 不支抓 CUDA-based 的讲解生成的问题，Giza 只可支抓一些小模子的部署。这亦然最致命的问题，从历久来看，能对 web3 产生颠覆性影响的一定是大模子，而这种领域的模子必须有刚毅的硬件支抓，比如 GPU。
Zama-ai：模子的同态加密。同态加密是一种加密格式，浮浅暗示为：f [E (x)] = E [f (x)]，其中 f 是运算操作，E 代表同态加密算法，x 是变量，比如：E (a) + E (b) = E (a + b)。允许对密文进行特定格式的代数运算得到仍然是加密的闭幕，将其解密所得到的闭幕与对明文进行相同的运算闭幕一样。模子的阴私性一直是 AI + Blockchain 观念的热门和瓶颈，天然 zk 对阴私友好，但 zk 不等于 privacy。zama 奋勉于确保模子践诺的 privacy-preserving。
ML-as-a-service：这面前还只是一个念念考观念，莫得具体的落地应用，但目的是通过 ZKP 治理中心化 ML 做事提供者作恶以及用户信任的问题。Daniel Kang 在著作“Trustless Verification of Machine Learning”中有安靖的描写（参考文中的一张图）
皇冠hg86a
四、对于 AI + Blockchain 的记忆全体来说，在 web3 天下里的 AI 处于畸形早期的阶段，可是无谓置疑的是 onchain-AI 的锻练和普及一定会把 web3 的价值带到另一个高度。从手艺上看，区块链能给 AI 提供私有的基础格式，AI 亦然改变 web3 坐褥关连的紧要器具，两者的齐集可以碰撞出好多可能性，这亦然值得兴盛和掀开想象力的场所。
皇冠客服飞机：@seo3687从 AI 上链的能源看，一方面，transparent + verifiable 的链上 AI 将去中心化和 trustless 的主体从东说念主变为 AI 器具，极大晋升了闭幕、安全性，况且为创造全新的产物形态提供了可能性；另一方面，区块链的基础格式不断迭代，web3 确凿需要一个能让这些基础格式施展最大价值的杀手级应用，ZKML 恰恰适应这少许，比如 ZK-rollup 畴前很可能算作 AI 插手 web3 的进口。
从可行性上看，当今的基础格式能一定进度上支抓一定例模的模子，但还有好多省略情身分。通过 ZKP 作念可考证模子面前看是 AI 上链的必经之路，可能亦然详情味最强的将 AI 带入的 web3 应用的手艺旅途。可是长久来看当今的 proof system 需要再进行指数级的晋升才能富足支抓日渐庞大的模子。
澳门六合彩棋牌从应用场景看幸运快艇在线，AI 简直可以齐全地参与到任何一个 web3 的观念，非论是 game、Defi、DID、tooling……天然面前已有的神志畸形匮乏而且短缺历久价值，还莫得从一种晋升闭幕的器具改换为改变坐褥关连的应用。但值得兴盛的是有东说念主迈出了第一步，咱们可以看到 AI + blockchain 的最早期的花样和之后的可能性。